韩国首尔市7月12日宣布率先在公共数据领域试点MCP服务，AI可直接查询121个主要区域的实时人流、交通、空气与共享单车等数据，试点期间开放100个名额，通过Kakao的PlayMCP平台申请。

首尔率先试点公共数据 MCP 服务：AI 可直接查询实时空气、交通与共享单车数据

行业快讯 | 2026 年 7 月 12 日

当你问 AI「现在明洞有多挤？」「汉江边空气质量怎么样？」「首尔森林附近还有多少辆共享单车？」——它给你的答案，可能不再是从几个月前的网页里抠出来的过时信息，而是几秒钟前刚从首尔市政府数据库里拉出来的实时数值。

据韩媒 Etnews 今日报道，韩国首尔市今天（2026 年 7 月 12 日）正式宣布，将率先在公共数据服务领域试点 MCP（Model Context Protocol，模型上下文协议）服务。这是继全球各大 AI 厂商相继支持 MCP 标准之后，首个由政府主导、面向城市公共数据基础设施的 MCP 试点项目，也标志着「AI 智能体直连政务数据」这一形态在东亚地区迈出了实质性一步。

首尔市中心明洞商圈实时人流示意图，叠加 AI 助手对话界面

一、事件概览：首尔为什么要做这件事

根据首尔市政府披露的信息，本次试点的核心内容可以概括为以下几点：

首批开放 121 个主要区域的公共数据，覆盖人流拥挤程度、公共交通、天气、空气质量、共享单车（따릉이 / Ttareungi）剩余数量、文化活动等多个维度；
数据更新频率从「数秒」到「最长 5 分钟」不等，属于真正意义上的准实时数据；
试点期间发放 100 个体验名额，用户通过韩国国民级应用 Kakao 旗下的 PlayMCP 平台申请；
将现有公共数据 REST API 逐步扩展为 MCP 接口，让 AI 智能体（Agent）能够以标准化方式发现、调用和组合这些数据。

首尔市政府在公告中强调，此次试点的直接动机，是解决当前大语言模型普遍存在的两大顽疾：训练数据过时与信息幻觉。此前，用户向 ChatGPT、Claude 等模型询问「今天江南站附近堵不堵」这类高时效性问题时，模型往往只能基于训练语料或搜索引擎抓取的二手信息作答，答案要么滞后几个月，要么直接编造。

「MCP 是一种将 AI 与公共数据直接连接的技术。此前，AI 大模型主要依赖训练数据库或互联网搜索结果生成回答，因此会出现将错误信息当真的『幻觉』现象。」——首尔市政府公告

二、什么是 MCP？为什么它适合政务数据场景

MCP（Model Context Protocol）是由 Anthropic 于 2024 年底提出、并在 2025 年迅速被 OpenAI、Google、xAI 等主要 AI 厂商相继支持的开放协议。它的定位类似于「AI 时代的 USB-C」——为大模型与外部工具、数据源之间提供统一的调用接口。

在 MCP 出现之前，如果一个 AI 应用要接入首尔市的公交 API、共享单车 API、空气质量 API，开发者需要为每个数据源分别编写胶水代码、处理鉴权、封装函数调用（Function Calling）Schema。而在 MCP 架构下：

数据方只需要实现一个符合 MCP 规范的服务端（MCP Server），暴露若干「工具（tools）」与「资源（resources）」；
AI 方（无论是 Claude Desktop、Cursor 还是自研 Agent）作为 MCP Client，只要一次性完成协议对接，就能自动发现并调用所有兼容的 MCP 服务；
数据的鉴权、限流、schema 描述、结果格式，全部由协议本身统一约定。

这套机制天然适合政务数据场景。原因很直接：政府公共数据长期存在「有 API 但没人用」的困境——数据格式五花八门、文档质量参差不齐、调用门槛高，导致大量数据虽然公开，却难以进入 C 端产品和 AI 助手。首尔此次将 121 个区域的数据统一 MCP 化，实质上是给这些数据装上了「AI 友好」的插头。

MCP 协议架构示意图，展示 AI 客户端通过 MCP Server 调用首尔市公共数据 API 的流程

三、试点数据究竟包括什么

根据首尔市政府和 Etnews 的披露，本次试点开放的 121 个区域数据大致可以分为以下几类：

1. 人流拥挤度（실시간 도시데이터）

覆盖明洞、江南站、弘大、东大门、汉江公园等首尔核心商圈与旅游热点；
分为 4 级拥挤度（여유 / 보통 / 약간 붐빔 / 붐빔）；
数据源自首尔市既有的「实时都市数据」平台，此前已通过官方 App 与 Web 端提供，此次首次以 MCP 形式对 AI 开放。

2. 公共交通

地铁到站、公交实时位置、站点拥挤度；
主要干道拥堵指数；
出租车呼叫热度。

3. 环境数据

各区域实时 PM2.5 / PM10 / O₃ 浓度；
综合空气质量指数（AQI）；
温度、湿度、降水概率、紫外线指数。

4. 共享单车 Ttareungi（따릉이）

各站点实时剩余车辆数；
空桩位数量；
首尔森林、汉江公园等热点区域站点聚合信息。

5. 文化活动

各区文化设施当日活动列表；
展览、演出、庆典的开始时间与剩余名额。

首尔市政府举例称，当用户向 Claude 询问「首尔森林附近有多少辆共享单车？」，返回的结果将包含各地共享单车实时剩余数量等详细信息，而不是像过去那样只能给出「首尔森林是首尔东部的城市公园」这种百科式回答。

四、申请方式：走 Kakao 的 PlayMCP 平台

值得注意的是，此次首尔并没有自建申请入口，而是选择与 Kakao 旗下的 PlayMCP 平台合作。PlayMCP 是 Kakao 在 2026 年上半年推出的 MCP 服务分发与鉴权平台，定位类似「MCP 服务的应用商店」，用户可以在上面浏览、订阅、管理各种 MCP 服务，并通过 Kakao 账号统一鉴权。

首尔本次试点的具体节奏是：

名额：100 个；
申请渠道：Kakao PlayMCP 平台首尔市专区；
面向对象：开发者、AI 应用团队、研究机构，普通市民同样可以申请；
使用方式：申请通过后，会获得一个 MCP Server 端点及相应的访问凭证，可直接在 Claude Desktop、Cursor、自研 Agent 等支持 MCP 的客户端中配置使用。

从生态角度看，这一合作也颇有意味：政务数据侧（首尔市）负责提供权威、实时的数据源，平台侧（Kakao）负责统一分发与鉴权，AI 侧（Anthropic、OpenAI 等模型厂商）负责调用与推理。三者形成了一个较为完整的「公共数据 AI 化」闭环。

五、技术细节：从公共 API 到 MCP 接口

首尔市政府在公告中特别提到，将「把现有的公共数据 API 扩展为 MCP 接口」。这一句话背后其实包含了不少工程工作。

此前，首尔市的公共数据主要通过 data.seoul.go.kr 提供 REST/OpenAPI 形式的接口。这些接口面向传统 Web/App 开发者，特点是：

一个数据集对应一个 URL；
参数与返回值以 XML/JSON 描述，但缺乏统一 Schema；
鉴权基于 API Key；
不携带任何面向 AI 的「工具描述」信息。

迁移到 MCP 后，同一个数据集会以「工具（tool）」形式暴露，每个工具都携带自然语言描述、参数 Schema、示例调用，这样 AI 才能在无需人工介入的情况下自主决定「什么时候该调用哪个工具」。

以下是一个概念性的 MCP 工具描述示例，展示首尔共享单车数据在 MCP 化之后可能的样子（示意用途，具体字段以首尔官方发布为准）：

{
  "name": "seoul_ttareungi_status",
  "description": "查询首尔市指定区域附近共享单车（Ttareungi）站点的实时剩余车辆数与空桩位数量。数据更新频率约 1 分钟。",
  "inputSchema": {
    "type": "object",
    "properties": {
      "area": {
        "type": "string",
        "description": "首尔市 121 个主要区域名称之一，例如 '首尔森林'、'明洞'、'汉江公园-汝矣岛'"
      },
      "radius_m": {
        "type": "integer",
        "description": "搜索半径（米），默认 500",
        "default": 500
      }
    },
    "required": ["area"]
  }
}

当 AI 客户端收到用户问题「首尔森林附近还有多少辆共享单车？」时，模型会根据 description 字段自动匹配到 seoul_ttareungi_status 这个工具，构造出 {"area": "首尔森林"} 的参数并调用，最终得到实时数据后再自然语言回答。整个过程无需开发者在 prompt 里手动硬编码「如何查询首尔共享单车」。

六、幻觉、时效性与「政务数据可信度」

从更宏观的视角看，首尔这次试点解决的其实是当下 AI 落地过程中最尖锐的一个矛盾：

模型越强，用户越倾向于把它当作「万能问答机」；但模型的知识越静态、越依赖训练语料，就越容易在高时效性问题上翻车。

过去两年，各大厂商尝试过多种解法：

联网搜索：让模型实时检索网页，但搜索结果本身可能是二手、过期或错误的；
RAG（检索增强生成）：让模型检索企业/私有知识库，但需要企业自己维护数据管道；
Function Calling：让模型调用开发者预定义的函数，但每个应用都要各自实现。

MCP 提供的是第四种思路：把「权威数据源」直接以标准协议的形式接到模型面前。而在所有数据源中，「政府公共数据」几乎是可信度最高的一类——它天然具有权威性、准实时、覆盖范围广的特点。

首尔此次将 121 个区域数据 MCP 化的动作，本质上是在为大模型建立一个「城市级的可信数据层」。当 AI 回答「明洞现在有多挤」时，它引用的不再是某个博客三个月前的描述，而是首尔市政府一分钟前采集的官方数据。这对旅游、出行、应急、城市研究等场景的价值不难想象。

Claude 客户端调用首尔 MCP 服务，实时返回明洞人流拥挤度的对话截图示意

七、行业影响：城市级 MCP 服务的示范意义

站在 2026 年 7 月这个时间点看，MCP 生态的发展已经从「厂商竞相支持」进入到「垂直领域落地」的阶段。企业侧，GitHub、Notion、Linear、Figma 等主流 SaaS 早已上线官方 MCP Server；开发者侧，各类三方 MCP 服务在开源社区快速涌现；但政府和公共服务侧，此前一直缺乏具有代表性的落地案例。

首尔的这次试点，至少在三个层面具备示范意义：

政务数据 AI 化的可行路径：证明了「存量 OpenAPI + MCP 适配层」这种渐进式方案是可行的，其他城市不必推倒重来；
平台方角色的价值：Kakao PlayMCP 承担了鉴权、分发、限流等基础设施角色，避免了每个数据源独立面对成千上万 AI 客户端的压力；
市民-AI-政府的新型交互界面：过去市民要通过 App 或网页查询公共信息，未来则可能直接问 AI 助手，AI 背后调用政府 MCP 服务——这将重新定义「电子政务」的产品形态。

可以预见的是，如果首尔这次 100 个名额的试点跑通，未来 6~12 个月内，日本、新加坡、中国香港、欧洲多国的一线城市很可能跟进类似方案。国内也已有多个城市在推进「城市大模型」项目，MCP 化的公共数据接口很可能成为下一阶段的标配基础设施。

八、值得关注的开放问题

当然，作为一个「试点」项目，本次首尔 MCP 服务也留下了一些值得后续观察的开放问题：

鉴权与配额：100 个名额显然只是压力测试，真正大规模开放后如何设计限流与计费？
数据滥用与隐私：人流数据是否会被用于精准营销甚至监控用途？政府会否发布 MCP 服务的使用规范？
AI 客户端兼容性：Claude、ChatGPT、Gemini、Grok 各家 MCP 实现在细节上仍有差异，PlayMCP 平台如何抹平？
多语言支持：目前公告主要面向韩语用户，是否会同步提供中文、英文、日文的工具描述，直接影响非韩语 AI 应用的接入体验；
与既有 data.seoul.go.kr 的关系：MCP 接口会是并行提供还是逐步替代传统 OpenAPI？

这些问题的答案，很可能会在接下来几个月的试点反馈中逐步浮现。

九、小结

首尔今天启动的公共数据 MCP 试点，看上去只是一次不到百人规模的小型实验，但它触及的是当前 AI 应用最核心的痛点——如何让模型说出准确、实时、可信的答案。当城市级的公共数据以标准协议直接暴露给大模型时，「AI 幻觉」问题在这些高频生活场景下将被显著缓解。

对开发者而言，这是一次值得关注的信号：MCP 已经开始从「AI 圈内的技术热词」外溢到「城市基础设施」层面。对普通用户而言，未来向 AI 询问「今天要不要带口罩」「现在骑车回家能借到车吗」时，得到答案的方式可能已经悄然改变。

首尔迈出了第一步。接下来，就看谁跟上。

参考来源

AI 将能查询实时空气、交通信息，韩国首尔将试点公共数据 MCP 服务 - IT之家 —— IT之家 7 月 12 日基于韩媒 Etnews 的一手报道，包含试点范围、申请渠道与官方表态。

首尔试点公共数据MCP服务：AI可直连121个区域实时数据